CN112038254A - 基于机器视觉技术的晶圆自动检测与标记装置及设计方法 - Google Patents
基于机器视觉技术的晶圆自动检测与标记装置及设计方法 Download PDFInfo
- Publication number
- CN112038254A CN112038254A CN201910409575.1A CN201910409575A CN112038254A CN 112038254 A CN112038254 A CN 112038254A CN 201910409575 A CN201910409575 A CN 201910409575A CN 112038254 A CN112038254 A CN 112038254A
- Authority
- CN
- China
- Prior art keywords
- wafer
- design method
- detection
- marking
- marking device
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000013461 design Methods 0.000 title claims abstract description 17
- 238000005516 engineering process Methods 0.000 title claims abstract description 14
- 239000013078 crystal Substances 0.000 claims abstract description 34
- 230000007547 defect Effects 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000002950 deficient Effects 0.000 claims abstract description 11
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 230000003993 interaction Effects 0.000 claims abstract description 10
- 230000007246 mechanism Effects 0.000 claims abstract description 10
- 238000012937 correction Methods 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims abstract description 5
- 235000012431 wafers Nutrition 0.000 claims description 71
- 238000012546 transfer Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 239000000523 sample Substances 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 230000000877 morphologic effect Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 6
- 239000004065 semiconductor Substances 0.000 abstract description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67282—Marking devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67294—Apparatus for monitoring, sorting or marking using identification means, e.g. labels on substrates or labels on containers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Power Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明公开了一种基于机器视觉技术的晶圆自动检测与标记装置及设计方法，应用于半导体芯片制造过程中对晶粒物理缺陷的检测与标记。本发明通过工业相机采集晶圆图像，上传至工业计算机进行图像处理，根据图像处理结果将缺陷晶粒的像素坐标等信息存入SQL数据库，下位机PLC通过读取数据控制传动机构运动，并在指定位置进行打点标记。图像处理包括图像的空洞提取、旋转校正、晶圆定位、网格重建和遍历检测等。工作过程可通过人机交互界面控制系统启/停，历史数据读取、实时监测传动机构的运行状态和运行位置，并输出缺陷晶粒位置的变化曲线及缺陷晶粒的统计信息等。相比人工检测，该发明具有检测准确、快速、稳定等特点，属于半导体加工设备类。
Description
技术领域
本发明设计涉及一种基于机器视觉技术的晶圆自动检测与标记装置及设计方法。具体为 一种基于工业计算机的图像处理系统与基于PLC的传动控制系统有机结合的晶圆自动检测与 标记装置及设计方法，属于半导体加工设备类。
背景技术
随着计算机、人工智能、图像处理及识别技术的发展，机器视觉技术在国民经济的各个 领域尤其是智能制造领域发挥着越来越重要的作用。
半导体芯片产业发展迅猛，指数增长态势迫使芯片生产效率不得不随之提高，但若仍采 用人工检测，由于视觉疲劳等人为因素严重影响检测的稳定性、可靠性和效率。本发明采用 机器视觉技术，解决半导体芯片物理缺陷快速准确检测并标记的关键问题，充分发挥机器无 疲劳感优势，可提高芯片检测自动化程度，解放劳动力，大幅提高生产效率，极具成果转化 潜力，显著经济效益。
目前，在国际上日本和欧美等发达国家拥有先进的晶圆检测技术，大部分高端测试设备 主要由日本和欧美等发达国家提供。我国在晶圆测试方面起步较晚，关键技术的自主知识产 权偏少，导致我国在晶圆测试领域技术相对薄弱。在这种背景下，本发明涉及的装置及其实 现方法对晶圆物理缺陷的快速准确检测与标记具有显著的社会效益，将产生较大的经济效益， 可积极推动国内半导体加工设备产业的发展。
发明内容
本发明专利提供了一种基于机器视觉技术的晶圆自动检测与标记装置及设计方法。利用 该发明可实现高效、准确的晶粒缺陷检测与标记。
本发明设计采取如下具体方案：
图像采集模块：由工业相机采集位于承片台上的晶圆图片，并将图片存放于工业计算机。
图像处理模块：图像处理系统读取采集的图片，对图片进行空洞提取、旋转校正、晶圆 定位、网格重建和遍历检测，把检测到的缺陷晶粒的位置信息存入数据库中。
人机交互模块：人机交互界面控制系统启/停，历史数据读取、实时监测传动机构的运行 状态和运行位置，并输出缺陷晶粒位置的变化曲线及缺陷晶粒的统计信息等。
控制模块：由西门子PLC控制器进行整机控制，输出脉冲控制伺服驱动器。
传动模块：伺服驱动器1接收到控制脉冲后，驱动伺服电机1转动，并带动滚珠丝杠移 动到指定位置。伺服驱动器2接收到旋转脉冲后，驱动伺服电机2转动，并带动承片台旋转 指定角度。
打点模块：电磁阀通电控制气缸活塞带动探针下降对晶粒进行标记。
其中：
所述的工业相机选用MD-UBi000型CMOS工业相机，像元尺寸为1.67×1.67μm，有效像 素为1000万，镜头选用MV-JT08型变焦镜头，焦距为8mm。
所述的承片台是带有真空孔的圆形台面，其直径等于所测晶圆直径。
所述的图像处理系统是安装在工业计算机上的Visual Studio2017版本及OpenCV3.4.1 视觉库开发的图像处理方法。
所述的空洞提取是对完全封闭的轮廓的内围信息进行提取，并作颜色填充。最终效果将 晶圆网格线的颜色由黑色变为白色，网格由白色变成黑色。
所述的图像旋转校正是为了保证晶圆网格线与水平线平行，对空洞提取后的图片利用累 计概率的霍夫直线变换提取晶圆网格线，求出网格线与水平夹角。伺服电机2驱动承片台按 角度旋转。
所述的晶圆定位是提取晶圆最大外围轮廓，使用最大外接矩形函数在图像中裁剪出晶圆 图像，滤除背景噪声。
所述的网格重建算法是对外接矩形进行水平聚类和垂直聚类，聚类后取交集，获得晶圆 网格。
所述的遍历检测是对晶圆逐行按照S形进行逐一遍历，并根据缺陷晶粒与合格晶粒存在 的像素差异进行逐一检测。
所述的人机交互界面是利用组态王编写用户界面，显示标记时间、缺陷晶粒数量、检测 晶圆数量和操作日志，便于管理、分析和统计。
所述的控制器选用西门子s7-200PLC，CPU型号为224XP CN DC/DC/DC。
所述的滚珠丝杠为定位精度0.05mm，最大行程300mm的滚珠丝杠副。
所述的伺服电机选用DS3-20P4-PQA型伺服电机，转动惯量为0.34×10-4kg·m2，额定转矩 1.27N·m
所述的电磁阀选用的是N3V1-06型两位三通电磁阀。
所述的气缸选用SDA20-90型气缸，最大行程为90mm。
上述基于机器视觉技术的晶圆自动检测与标记装置及设计方法，其特征在于，工作步骤 如下：
装置上电，系统自检，承片台位于工位1，相机镜头固定在工位1上方，打点机构位于工 位2上方，工业相机光源打开，系统进入正常运行状态。
将晶圆放置承片台上，启动真空泵，晶圆被吸附。
工业相机进行拍摄，并自动保存图片。
图像处理算法运行，将检测出有缺陷的晶粒坐标存入数据库，同时PLC发出固定数量脉 冲，驱动丝杠将承片台移送至工位2。
控制器PLC读取数据库，根据数据库记录逐一转换成控制脉冲输出给伺服驱动器，带动 丝杠将待标记的晶粒移送至打点机构正下方。
电磁阀通电控制气缸活塞带动探针快速下降，在对应的晶粒表面进行油墨标记。
数据库中记录全部读取并打点完成，承片台回到工位1初始位置。
关闭真空泵，移除晶圆。
本发明基于机器视觉的晶圆自动检测与标记装置及设计方法具有显著的特点：
①本发明采用组态王为人机交互界面分开发平台，可同时实现控制、实时数据显示、数 据库读取、历史数据保存及查询等功能。
②本发明设计选用的MD-UB1000型CMOS工业相机采集和传输速度快，可通过专业相机连 接线缆进行数据传输，不需要外加图像采集卡。
③本发明设计的网格重建算法可适用于不同规格的晶粒的自动检测与标记。
④本发明设计的检测算法完全取代人工主观识别缺陷方法，减少人工成本的同时，提高 检测精度与速度。
⑤本发明设计选用的DS3-20P4-PQA型伺服电机具有良好的控制精度，转动惯量与负载相 匹配保证了测量装置运行时的稳定性和整体性能。
⑥本发明设计选用的CPU型号为224XP CN DC/DC/DC的s7-200PLC具有结构紧凑、体积 较小和使用灵活等特点。既可以独立运行，实现简单的控制任务，又能连成网络实现复杂的 控制功能。
⑦本发明设计选用的N3V1-06型电磁阀耐久性强、可耐强度高。
⑧本发明设计选用的SDA20-90型气缸尺寸紧凑密封性能好。
附图说明
图1是本发明的硬件系统结构图。
图2是本发明的人机交互界面欢迎界面示意图。
图3是本发明的人机交互界面控制界面示意图。
图4是本发明的系统流程框图
图5是本发明的图像处理系统框图。
图6是本发明的网格重建框图。
具体实施方式
下面结合附图对本发明做进一步详述。
本发明提出的基于机器视觉技术的晶圆自动检测与标记装置及设计方法，结构示意图如 图1所示。根据功能自下而上分为四层：第一层，放置PC机显示器、鼠标、相机光源支架和 打点机构等装置；第二层，固定运动机构；第三层，放置伺服驱动器、PLC控制器、光源控 制器、24V电源以及相关布线；第四层，放置PC机主机。每层间留有布线通道。上位机人机交互界面如图2、图3所示，图2为欢迎界面，此界面登陆后可进入实时控制和历史数据查询，也可退出登录、系统注销；图3为控制界面示意图，在控制界面中可以查看缺陷晶粒的数据坐标并实时监控缺陷晶粒坐标位置的变化，可以完成晶圆的吸附和移除的控制，可以点 击开始按钮启动系统正常工作程序。系统的工作流程图如图4所示，具体实施步骤如下：
①装置上电，系统自检，工业相机光源打开，系统进入正常运行状态，将晶圆放置承片台 上，启动真空泵，晶圆被吸附。工业相机采集晶圆图片，并将图片存放于指定文件夹中便于 图像处理程序调取。
②图像处理过程如图5所示，读取晶圆图片，人工放片不能确保晶圆网格线与水平坐标 完全平行，会产生偏转，通过累计概率的霍夫直线变换计算出网格线与水平坐标的夹角，通 过伺服电机2带动承片台进行旋转，实现校正；霍夫变换前需要进行空洞提取，对封闭轮廓 的内围信息进行提取，并作颜色填充。
③由于采集的图像中包含有过多的背景信息，对晶圆的后续处理造成很大的干扰，增加 了算法实现增加，所以需要采用定位算法，通过查找最大外围轮廓，在原图片中裁剪出晶圆， 达到去除背景目的。
④如图6所示，将晶圆图片进行第二次和第三次空洞提取，剔除晶粒以外的背景干扰信 息；利用形态学处理的方法消去图像中的噪点；提取晶粒轮廓并获得外接矩形，对外接矩形 进行水平聚类和垂直聚类，取交集即获得晶圆的重建网格。
⑤检测过程的遍历路径采用逐行式S形遍历方式，遍历到每一个晶粒时，对该晶粒的像 素的灰度值进行叠加，并与设定阈值相比较，若小于阈值，认为晶粒存在缺陷，将缺陷晶粒 的信息存于数据库中。
⑥PLC发出固定数量脉冲，驱动丝杠将承片台移送至工位2。
⑦控制器PLC读取数据库，根据数据库坐标逐一转换成控制脉冲输出给伺服驱动器，带 动丝杠将待标记的晶粒移送至打点机构正下方。电磁阀通电控制气缸活塞带动探针快速下降， 在对应的晶粒表面进行油墨标记。数据库中记录全部读取并打点完成，承片台回到工位1初 始位置。关闭真空泵，移除晶圆。
⑧人机交互交互界面根据丝杠运行状态和运行位置描绘出缺陷晶粒位置信息变化曲线， 在人机交互界面同时显示标记时间、缺陷晶粒数量、检测晶圆数量和一个工作日内缺陷晶粒 总数等信息。
Claims (9)
1.一种基于机器视觉技术的晶圆自动检测与标记装置及设计方法，其特征在于：
工业相机拍摄晶圆图片，将图片存放于计算机中；图像处理系统读取采集到的晶圆图片，通过空洞提取、旋转校正、目标定位、自适应网格重建和遍历检测等处理检测出缺陷晶粒，同时将缺陷晶粒位置坐标传入数据库中；控制器PLC读取数据库，根据数据库记录逐一转换成控制脉冲输出给伺服驱动器，带动丝杠将待标记的晶粒移送至打点机构正下方，电磁阀通电控制气缸活塞带动探针下降对晶粒进行标记；人机交互交互界面根据丝杠运行状态和运行位置绘制出缺陷晶粒信息变化曲线，同时显示标记时间、缺陷晶粒数量、检测晶圆数量和一个工作日内缺陷晶粒总数等统计信息。
2.由权利要求1所述的晶圆自动检测与标记装置及设计方法，其特征在于所述的工业相机选用MD-UB1000型CMOS工业相机，像元尺寸为1.67×1.67μm，有效像素为1000万，镜头选用MV-JT08型变焦镜头，焦距为8mm。
3.由权利要求1所述的晶圆自动检测与标记装置及设计方法，其特征在于所述的空洞提取是对完全封闭的轮廓内围信息进行提取，并作颜色填充。
4.由权利要求1所述的晶圆自动检测与标记装置及设计方法，其特征在于所述的旋转校正对空洞提取后的图像做累计概率的霍夫变换提取出网格直线，通过提取的直线算出需要旋转的偏角并对原图进行旋转校正。
5.由权利要求1所述的晶圆自动检测与标记装置及设计方法，其特征在于所述的晶圆定位是找到晶圆的最大外围轮廓，通过最大外接矩形在校正后的图像中裁剪出晶圆。
6.由权利要求1所述的晶圆自动检测与标记装置及设计方法，其特征在于所述的网格重建是通过两次空洞提取滤除晶粒以外的其他干扰信息，经过形态学处理后提取晶粒轮廓并输出外接矩形，对晶粒外接矩形进行水平聚类和垂直聚类同时取交集得出重建网格。
7.由权利要求1所述的晶圆自动检测与标记装置及设计方法，其特征在于遍历检测是根据缺陷晶粒与合格晶粒二值化后的差异判断晶粒是否存在缺陷。
8.由权利要求1所述的晶圆自动检测与标记装置及设计方法，其特征在于本系统的硬件结构选用s7-200PLC作为控制核心，通过DS3-20P4-PQA型伺服电机驱动承片台和滚珠丝杠移动到指定位置坐标。
9.由权利要求1所述的晶圆自动检测与标记装置及设计方法，其特征在于所述的打点机构选用N3V1-06型的电磁阀控制SDA20-90型气缸活塞做往复运动。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910409575.1A CN112038254A (zh) | 2019-05-15 | 2019-05-15 | 基于机器视觉技术的晶圆自动检测与标记装置及设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910409575.1A CN112038254A (zh) | 2019-05-15 | 2019-05-15 | 基于机器视觉技术的晶圆自动检测与标记装置及设计方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112038254A true CN112038254A (zh) | 2020-12-04 |
Family
ID=73576553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910409575.1A Pending CN112038254A (zh) | 2019-05-15 | 2019-05-15 | 基于机器视觉技术的晶圆自动检测与标记装置及设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112038254A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112924472A (zh) * | 2021-02-09 | 2021-06-08 | 惠州高视科技有限公司 | 一种Mini LED晶圆外观缺陷检测系统及方法 |
| CN113533356A (zh) * | 2021-09-16 | 2021-10-22 | 武汉精创电子技术有限公司 | 晶粒阵列缺陷检测方法、装置、设备及可读存储介质 |
| CN113538586A (zh) * | 2021-09-14 | 2021-10-22 | 武汉精创电子技术有限公司 | 晶粒行列定位方法、装置和系统以及计算机可读存储介质 |
| CN113884502A (zh) * | 2021-12-07 | 2022-01-04 | 武汉华工激光工程有限责任公司 | 基于线阵相机的载板检测及激光标记系统和方法 |
| CN114798479A (zh) * | 2022-03-09 | 2022-07-29 | 深圳宏芯宇电子股份有限公司 | 一种裸片的筛选方法、装置、设备及存储介质 |
| CN115165920A (zh) * | 2022-09-06 | 2022-10-11 | 南昌昂坤半导体设备有限公司 | 一种三维缺陷检测方法及检测设备 |
| CN117705715A (zh) * | 2023-12-14 | 2024-03-15 | 珠海诚锋电子科技有限公司 | 一种基于机器视觉的圆晶表面检测装置及方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030076989A1 (en) * | 2001-10-24 | 2003-04-24 | Maayah Kais Jameel | Automated repetitive array microstructure defect inspection |
| JP4065893B1 (ja) * | 2006-12-04 | 2008-03-26 | 東京エレクトロン株式会社 | 欠陥検出装置、欠陥検出方法、情報処理装置、情報処理方法及びそのプログラム |
| CN102053093A (zh) * | 2010-11-08 | 2011-05-11 | 北京大学深圳研究生院 | 一种晶圆表面切割芯片的表面缺陷检测方法 |
| CN103531500A (zh) * | 2013-10-21 | 2014-01-22 | 上海华力微电子有限公司 | 晶圆缺陷检测设备的校准方法 |
| CN105335963A (zh) * | 2015-09-24 | 2016-02-17 | 凌云光技术集团有限责任公司 | 一种边缘缺陷检测方法及装置 |
| US20160221262A1 (en) * | 2008-05-05 | 2016-08-04 | Suman Das | Systems and methods for fabricating three-dimensional objects |
| CN106600683A (zh) * | 2016-11-28 | 2017-04-26 | 淮阴工学院 | 一种面向骨骼ct序列图像的网格模型自适应重建方法 |
| US20170191945A1 (en) * | 2016-01-01 | 2017-07-06 | Kla-Tencor Corporation | Systems and Methods for Defect Detection Using Image Reconstruction |
| CN107274393A (zh) * | 2017-06-12 | 2017-10-20 | 郑州轻工业学院 | 基于栅线检测的单晶硅太阳能电池片表面缺陷检测方法 |
| CN108896660A (zh) * | 2018-07-09 | 2018-11-27 | 中南大学 | 一种基于横波背散射的六方晶材料近表面微小缺陷检测方法 |
-
2019
- 2019-05-15 CN CN201910409575.1A patent/CN112038254A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030076989A1 (en) * | 2001-10-24 | 2003-04-24 | Maayah Kais Jameel | Automated repetitive array microstructure defect inspection |
| JP4065893B1 (ja) * | 2006-12-04 | 2008-03-26 | 東京エレクトロン株式会社 | 欠陥検出装置、欠陥検出方法、情報処理装置、情報処理方法及びそのプログラム |
| US20160221262A1 (en) * | 2008-05-05 | 2016-08-04 | Suman Das | Systems and methods for fabricating three-dimensional objects |
| CN102053093A (zh) * | 2010-11-08 | 2011-05-11 | 北京大学深圳研究生院 | 一种晶圆表面切割芯片的表面缺陷检测方法 |
| CN103531500A (zh) * | 2013-10-21 | 2014-01-22 | 上海华力微电子有限公司 | 晶圆缺陷检测设备的校准方法 |
| CN105335963A (zh) * | 2015-09-24 | 2016-02-17 | 凌云光技术集团有限责任公司 | 一种边缘缺陷检测方法及装置 |
| US20170191945A1 (en) * | 2016-01-01 | 2017-07-06 | Kla-Tencor Corporation | Systems and Methods for Defect Detection Using Image Reconstruction |
| CN106600683A (zh) * | 2016-11-28 | 2017-04-26 | 淮阴工学院 | 一种面向骨骼ct序列图像的网格模型自适应重建方法 |
| CN107274393A (zh) * | 2017-06-12 | 2017-10-20 | 郑州轻工业学院 | 基于栅线检测的单晶硅太阳能电池片表面缺陷检测方法 |
| CN108896660A (zh) * | 2018-07-09 | 2018-11-27 | 中南大学 | 一种基于横波背散射的六方晶材料近表面微小缺陷检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李春龙: "基于机器视觉的硅片表面缺陷检测和颜色检测", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112924472A (zh) * | 2021-02-09 | 2021-06-08 | 惠州高视科技有限公司 | 一种Mini LED晶圆外观缺陷检测系统及方法 |
| CN113538586A (zh) * | 2021-09-14 | 2021-10-22 | 武汉精创电子技术有限公司 | 晶粒行列定位方法、装置和系统以及计算机可读存储介质 |
| CN113538586B (zh) * | 2021-09-14 | 2021-11-23 | 武汉精创电子技术有限公司 | 晶粒行列定位方法、装置和系统以及计算机可读存储介质 |
| CN113533356A (zh) * | 2021-09-16 | 2021-10-22 | 武汉精创电子技术有限公司 | 晶粒阵列缺陷检测方法、装置、设备及可读存储介质 |
| CN113884502A (zh) * | 2021-12-07 | 2022-01-04 | 武汉华工激光工程有限责任公司 | 基于线阵相机的载板检测及激光标记系统和方法 |
| CN114798479A (zh) * | 2022-03-09 | 2022-07-29 | 深圳宏芯宇电子股份有限公司 | 一种裸片的筛选方法、装置、设备及存储介质 |
| CN115165920A (zh) * | 2022-09-06 | 2022-10-11 | 南昌昂坤半导体设备有限公司 | 一种三维缺陷检测方法及检测设备 |
| CN115165920B (zh) * | 2022-09-06 | 2023-06-16 | 南昌昂坤半导体设备有限公司 | 一种三维缺陷检测方法及检测设备 |
| CN117705715A (zh) * | 2023-12-14 | 2024-03-15 | 珠海诚锋电子科技有限公司 | 一种基于机器视觉的圆晶表面检测装置及方法 |
| CN117705715B (zh) * | 2023-12-14 | 2024-08-23 | 珠海诚锋电子科技有限公司 | 一种基于机器视觉的晶圆表面检测装置及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112038254A (zh) | 基于机器视觉技术的晶圆自动检测与标记装置及设计方法 | |
| CN110992317A (zh) | 一种基于语义分割的pcb板缺陷检测方法 | |
| CN107966454A (zh) | 一种基于fpga的端塞缺陷检测装置及检测方法 | |
| CN110728670A (zh) | 一种基于ar技术的低压设备运维方法 | |
| CN108765378A (zh) | 基于g代码引导下工件轮廓飞边凸起的机器视觉检测方法 | |
| CN101456159A (zh) | 火花识别对刀方法及磨削加工自动化系统 | |
| CN202002987U (zh) | 检测遥控器的系统 | |
| CN206788065U (zh) | 一种深轴孔贴合率自动视觉检测系统 | |
| CN113838015B (zh) | 一种基于网络协同的电器产品外观缺陷检测方法 | |
| CN110554046A (zh) | 一种用于电子元器件引脚的检测系统和方法 | |
| CN100562134C (zh) | 一种数码显示装置的测试系统及其测试方法 | |
| CN110991360A (zh) | 一种基于视觉算法的机器人巡检点位智能配置方法 | |
| CN112017172A (zh) | 一种基于树莓派的深度学习产品缺陷检测系统及方法 | |
| CN114235837A (zh) | 基于机器视觉的led封装表面缺陷检测方法、装置、介质及设备 | |
| CN118011309B (zh) | 一种避免位置偏移的电能表检定流水线自动压表装置 | |
| CN112967271A (zh) | 一种基于改进DeepLabv3+网络模型的铸件表面缺陷识别方法 | |
| CN117400062A (zh) | 基于数字孪生驱动的刀具磨损监测方法及检测装置 | |
| CN113205136A (zh) | 一种用于电源适配器外观缺陷的实时高精度检测方法 | |
| CN117474886A (zh) | 一种陶瓷杯缺陷检测方法及系统 | |
| CN113145473A (zh) | 一种水果智能分拣系统及方法 | |
| Jian et al. | Deep Learning Model for Determining Defects of Vision Inspection Machine Using Only a Few Samples. | |
| CN207675667U (zh) | 基于机器视觉的工业内窥镜 | |
| CN101706447A (zh) | 高压天然气瓶球状瓶口ccd打标缺陷检测方法 | |
| CN112730437B (zh) | 基于深度可分离卷积神经网络的喷丝板表面缺陷检测方法、装置、存储介质及设备 | |
| CN114609040A (zh) | 一种基于机器视觉方式的动车组产品综合检测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201204 |
|
| WD01 | Invention patent application deemed withdrawn after publication |